我试图打破我以前的问题,并制定了一个计划,以不同的步骤实现我最终寻找的目标。目前,我正在尝试进行循环,以确定是否为每个独特来源打开了机械系统,如下面source
列中的第一个表所示。
例如,我已经获得了以下个人资料,告诉我4个季节中每个季节的系统正常工作时间。请注意,一些来源在一天内有多个时段,因此您可以看到堆栈2重复2个时段。
我现在想要实现的是,我创建了一些示例日期,并希望循环浏览每个独特的来源,并根据{中提供的信息,说明系统是否在特定时间开启或关闭{1}}表。到目前为止,我所做的是使用以下代码创建下表:
以下代码将创建上表:
Profile
我现在要做的是为# create dates table
dates =data.frame(dates=seq(
from=as.POSIXct("2010-1-1 0:00", tz="UTC"),
to=as.POSIXct("2012-12-31 23:00", tz="UTC"),
by="hour"))
# add year month day hour weekday column
dates$year <- format(dates[,1], "%Y") # year
dates$month <- format(dates[,1], "%m") # month
dates$day <- format(dates[,1], "%d") # day
dates$hour <- format(dates[,1], "%H") # hour
dates$weekday <- format(dates[,1], "%a") # weekday
# set system locale for reproducibility
Sys.setlocale(category = "LC_TIME", locale = "en_US.UTF-8")
# calculate season column
d = function(month_day) which(lut$month_day == month_day)
lut <- data.frame(all_dates = as.POSIXct("2012-1-1") + ((0:365) * 3600 * 24),
season = NA)
lut <- within(lut, { month_day = strftime(all_dates, "%b-%d") })
lut[c(d("Jan-01"):d("Mar-15"), d("Nov-08"):d("Dec-31")), "season"] = "winter"
lut[c(d("Mar-16"):d("Apr-30")), "season"] = "spring"
lut[c(d("May-01"):d("Sep-27")), "season"] = "summer"
lut[c(d("Sep-28"):d("Nov-07")), "season"] = "autumn"
rownames(lut) = lut$month_day
dates = within(dates, {
season = lut[strftime(dates, "%b-%d"), "season"]
})
表格中的Source
列中的每个唯一值添加右侧列,并根据以下条件估算系统开启或关闭的天气数据集中的每小时。
我正在努力解决如何在新列中使用多个if条件和粘贴值来执行类似于vlookup的编程概念。例如,对于我的示例数据,循环应创建2个程序,因为profile
列只有2个唯一来源Source
和Stack 1
。棘手的一点是带有它的if语句需要类似的东西:
作为示例,表2的第一行应该与季节列的值与Stack 2
表匹配,并查看该小时是否在系统启动的特定季节的时间段内。如果它在规定的时间内落入,则说“打开”,如果外面只是说profile
。所以结果应该看起来像下图中的2个红色字体列:
off
但现在它还没有进一步使用for循环。
我只是想知道是否有人可以给我任何建议,我如何使用表2中的独特来源创建另外两列的循环?
以下是我正在使用的典型的每周“个人资料”数据表:
values <- unique(profile$Source)
非常感谢
答案 0 :(得分:6)
为了实现从profile
到dates
的所需数据传输,您必须转换profile
数据,然后将其与dates
一起加入。对于以下步骤,我使用了data.table
包。
1)加载data.table包并将数据集转换为data.tables(增强型数据帧):
library(data.table)
setDT(profile)
setDT(dates)
2)重新格式化profile
数据集中的值:
# set the 'off' values to NA
profile[profile=="off"] <- NA
# make sure that all the remaining values are numeric (which wasn't the case)
profile <- profile[, lapply(.SD, as.character), by=.(Source,Period,Day)][, lapply(.SD, as.numeric), by=.(Source,Period,Day)]
3)为每个季节创建数据集,其中Source
的每一个(或两个)的值为on
。我只为春季和冬季做过,因为夏季和秋季只有off
/ NA
值(我们将在稍后处理):
pr.spring <- profile[, .(season = "spring",
hour = c(`Spring On`:(`Spring Off`-1))),
by=.(Source,Period,Day)]
pr.winter <- profile[!is.na(`Winter On`), .(season = "winter",
hour = c(`Winter On`:(`Winter Off`-1))),
by=.(Source,Period,Day)]
请注意,我使用了Spring Off - 1
。那是因为我认为Stack在23:00关闭了。使用-1
我包括第22小时但不包括第23小时。如果需要,您可以更改此设置。
4)将步骤3中的数据集绑定在一起,并为dcast
操作准备结果数据集:
prof <- rbindlist(list(pr.spring,pr.winter))
prof <- prof[, .(weekday = Day, season, Source = gsub(" ",".",Source), hour = sprintf("%02d",hour))]
5)将数据集从步骤4转换为包含每个堆栈列的数据集,并将weekday
列更改为字符。后一步中的连接操作需要后者,因为weekday
数据集中的dates
列也是字符列:
profw <- dcast(prof, weekday + season + hour ~ Source, value.var = "hour", fun.aggregate = length, fill = 0)
profw[, weekday := as.character(weekday)]
6)将两个数据集合并在一起并用0
填充缺失值(记得我说:&#34;我们将在稍后处理这些数据&#34; ;在步骤3):
dates.new <- profw[dates, on=c("weekday", "season", "hour")][is.na(Stack.1), `:=` (Stack.1 = 0, Stack.2 = 0)]
结果数据集现在包含dates
数据集中每个日期的堆栈列,其中1 ="on"
和0 = "off"
。
结果数据集中的快照:
> dates.new[weekday=="Fri" & hour=="03" & month %in% c("03","04","09")]
weekday season hour Stack.1 Stack.2 dates year month day
1: Fri winter 03 1 1 2010-03-05 03:00:00 2010 03 05
2: Fri winter 03 1 1 2010-03-12 03:00:00 2010 03 12
3: Fri spring 03 1 0 2010-03-19 03:00:00 2010 03 19
4: Fri spring 03 1 0 2010-03-26 03:00:00 2010 03 26
5: Fri spring 03 1 0 2010-04-02 03:00:00 2010 04 02
6: Fri spring 03 1 0 2010-04-09 03:00:00 2010 04 09
7: Fri spring 03 1 0 2010-04-16 03:00:00 2010 04 16
8: Fri spring 03 1 0 2010-04-23 03:00:00 2010 04 23
9: Fri spring 03 1 0 2010-04-30 03:00:00 2010 04 30
10: Fri summer 03 0 0 2010-09-03 03:00:00 2010 09 03
11: Fri summer 03 0 0 2010-09-10 03:00:00 2010 09 10
12: Fri summer 03 0 0 2010-09-17 03:00:00 2010 09 17
13: Fri summer 03 0 0 2010-09-24 03:00:00 2010 09 24
14: Fri winter 03 1 1 2011-03-04 03:00:00 2011 03 04
15: Fri winter 03 1 1 2011-03-11 03:00:00 2011 03 11
16: Fri spring 03 1 0 2011-03-18 03:00:00 2011 03 18
17: Fri spring 03 1 0 2011-03-25 03:00:00 2011 03 25
18: Fri spring 03 1 0 2011-04-01 03:00:00 2011 04 01
19: Fri spring 03 1 0 2011-04-08 03:00:00 2011 04 08
20: Fri spring 03 1 0 2011-04-15 03:00:00 2011 04 15
21: Fri spring 03 1 0 2011-04-22 03:00:00 2011 04 22
22: Fri spring 03 1 0 2011-04-29 03:00:00 2011 04 29
23: Fri summer 03 0 0 2011-09-02 03:00:00 2011 09 02
24: Fri summer 03 0 0 2011-09-09 03:00:00 2011 09 09
25: Fri summer 03 0 0 2011-09-16 03:00:00 2011 09 16
26: Fri summer 03 0 0 2011-09-23 03:00:00 2011 09 23
27: Fri autumn 03 0 0 2011-09-30 03:00:00 2011 09 30
28: Fri winter 03 1 1 2012-03-02 03:00:00 2012 03 02
29: Fri winter 03 1 1 2012-03-09 03:00:00 2012 03 09
30: Fri spring 03 1 0 2012-03-16 03:00:00 2012 03 16
31: Fri spring 03 1 0 2012-03-23 03:00:00 2012 03 23
32: Fri spring 03 1 0 2012-03-30 03:00:00 2012 03 30
33: Fri spring 03 1 0 2012-04-06 03:00:00 2012 04 06
34: Fri spring 03 1 0 2012-04-13 03:00:00 2012 04 13
35: Fri spring 03 1 0 2012-04-20 03:00:00 2012 04 20
36: Fri spring 03 1 0 2012-04-27 03:00:00 2012 04 27
37: Fri summer 03 0 0 2012-09-07 03:00:00 2012 09 07
38: Fri summer 03 0 0 2012-09-14 03:00:00 2012 09 14
39: Fri summer 03 0 0 2012-09-21 03:00:00 2012 09 21
40: Fri autumn 03 0 0 2012-09-28 03:00:00 2012 09 28